研究者提出图平滑训练时校准正则化方法

Idan Horowitz 与 Avigdor Gal 提出图平滑（graph smoothing）作为训练时校准的通用原则，并据此推出名为 Neighborhood Smoothing 的图正则化器。 该方法通过惩罚表征空间中相邻样本预测分布之间的 Jensen-Shannon 散度，使相邻样本的预测分布趋于相似。作者称，这一原则旨在鼓励表征空间中邻近样本具有相似的预测分布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。